python怎么入门最快？新手如何快速学会

python怎么入门最快？新手如何快速学会有些人通过「你好，世界！」的简单程序来判断编程语言的质量。按照这个标准，Python 可以做得很好：它在数据科学专业中拥有更忠实的追随者。为什么要学习 Python？Python 是世界上使用最广泛的语言之一，它拥有一个热情的用户社区：Python 流行度，TIOBE 指数

在本文中，我们将介绍如何有效地学习 Python 。你应该知道「数据科学」是用于解决、探究问题并从数据中提取有价值信息的科学。

为了有效地做到这一点，你需要整理数据集、训练机器学习模型、可视化结果等等。

这是学习 Python 的最佳时机。

事实上，从就业需求增长的角度而言，福布斯将其列为十大技术技能。今天让我们来讨论一下这是为什么……

为什么要学习 Python？

Python 是世界上使用最广泛的语言之一，它拥有一个热情的用户社区：

Python 流行度，TIOBE 指数

它在数据科学专业中拥有更忠实的追随者。

有些人通过「你好，世界！」的简单程序来判断编程语言的质量。按照这个标准，Python 可以做得很好：

为了比较，下面是 Java 中的相同输出：

好吧，说真的，简单是 Python 的最大优势之一。由于其精确高效的语法，Python 可以用比其他语言更少的代码完成相同的任务。这使得实施解决方案的速度令人耳目一新。

此外，Python 充满活力的数据科学社区意味着您将能够找到大量的教程、代码片段和修复常见错误。Stackoverflow将成为您最好的朋友之一。

最后，Python 拥有用于数据分析和机器学习的 全明星库（也称为包）阵容，这大大减少了产生结果所需的时间。稍后会详细介绍这些。

如何有效地学习 Python ？

在我们讨论你需要学习的内容之前，让我们讨论一下你不需要的内容。

你不需要 CS 学位。

大多数数据科学家永远不会处理诸如内存泄漏、密码学或「Big O」符号之类的主题。只要您可以使用 Python 或 R 等脚本语言编写干净、符合逻辑的代码，就可以了。

你不需要完整的 Python 课程。Python 和数据科学不是同义词。

你不需要记住所有的语法。

相反，专注于掌握直觉，例如何时函数合适或条件语句如何工作。在谷歌搜索、阅读文档和良好的实践之后，你将逐渐记住语法。

我们建议采用自上而下的方法。

我们提倡自上而下的方法，目标是首先获得结果，然后随着时间的推移巩固概念。事实上，我们更愿意放弃「课堂」学习，转而进行现实世界的实践。

1、你将从学习核心编程概念开始。

2、接下来，您将获得基本数据科学库的实用知识。

3、最后，您将通过实际项目练习和完善您的技能。

这种方法可以让你获得更多乐趣的同时迅速掌握。

第 1 步：核心编程概念

有效的编程不是要记住语法，而是掌握一种新的思维方式。

因此，花点时间为核心编程概念打下坚实的基础。这些将帮助您将头脑中的解决方案转化为计算机的指令。

如果你是编程新手.......我们推荐优秀的 Automate the Boring Stuff with Python 一书，该书已在创作共用许可下免费在线发布。

这本书承诺「为初学者提供实用的编程」，并且让每节课都脚踏实地。阅读第 6 章 - 操作字符串并完成练习题。

如果你只需要复习 Python 语法，那么我们推荐以下视频：

https://youtu.be/N4mEzFDjqtA

同样，这一步的目标不是学习有关 Python 和编程的所有知识。相反，专注于直觉。

你应该能够回答以下问题：

• 整数、浮点数和字符串有什么区别？

• 如何使用 Python 作为计算器？

• 什么是 for 循环？我什么时候写一个？

• 函数的基本结构是什么？

• 如何使用条件语句（if...else...）来添加逻辑？

• 导入语句如何工作？

如果你想练习更多核心编程概念，请查看以下资源。

• Code Fights 是一个平台，有许多简短的编码挑战，可以在 5 分钟内完成（尽管它非常有趣，你可能会发现自己一次玩几个小时）。您将在此过程中获得积分并解锁新关卡，这也是跟踪你的进度的好方法。

• Python Challenge 是网络上最酷的谜题之一，所以不要被它 1990 年的图形吓到。你可以在 Python 脚本的帮助下完成所有 33 个级别。一位用户称它为「一种令人上瘾的学习 Python 细节的方式……」我同意！

• PracticePython.org 是 Python 中简短练习题的集合。它几乎每周都会更新一个新问题。真正好的是作者为每个问题包含了多个用户提交的解决方案，因此您可以看到解决它们的替代方法。

• How to Think Like a Computer Scientist 是一本很棒的交互式在线书籍，它通过关键的编程概念（使用 Python）进行了一次旋风之旅。如果您对编程完全陌生，这可能是一个不错的选择。这就像一个浓缩的「CS 101」课程。

第 2 步：基本数据科学库

接下来，我们将专注于「如何为数据科学学习 Python」的数据科学部分。

正如我们之前提到的，Python 拥有一系列用于数据科学的全明星库。库只是预先存在的函数和对象的捆绑，您可以将它们导入脚本以节省时间。

这些是我们推荐的有效获取新库的操作步骤：

1、打开一个新的 Jupyter Notebook（见下文）。

2、阅读图书馆的文档 30 分钟，了解其模块的高级介绍。

3、将库导入您的 Jupyter Notebook。

4、按照其分步快速入门教程查看库的运行情况。

5、再花 30 分钟查看它的文档，以了解它还能做什么。

我们不建议现在更深入地研究图书馆，因为当你进入项目时，你可能会忘记大部分你学到的东西。相反，旨在发现每个图书馆的能力。

如果你按照我们上面的建议通过 Anaconda 捆绑包安装了 Python，那么Jupyter Notebook也会附带它。Jupyter Notebook 是一个轻量级的 IDE，深受数据科学家的喜爱。我们为你的项目推荐它。你可以通过 Anaconda 附带的 Anaconda Navigator 打开一个新笔记本。查看此短视频以获取说明。

这些是你需要的基本库：

数字货币

NumPy 允许简单高效的数值计算，许多其他数据科学库都建立在它之上。

• 文档

• 快速入门教程

熊猫

Pandas 是用于数据结构和探索性分析的高性能库。它建立在 NumPy 之上。

• 文档

• 快速入门教程

Matplotlib

Matplotlib 是一个灵活的绘图和可视化库。它功能强大但有些麻烦。您现在可以选择跳过 Matplotlib 并使用 Seaborn 开始（请参阅下面的 Seaborn 建议）。

• 文档

• 快速入门教程

Scikit-学习

Scikit-Learn 是 Python 中首屈一指的通用机器学习库。它有许多流行的算法和模块，用于预处理、交叉验证等。

• 文档

• 快速入门教程

奖金：Seaborn

Seaborn 使绘制常见数据可视化变得更加容易。它建立在 Matplotlib 之上，并提供了一个更令人愉快的高级包装器。

• 文档

• 快速入门教程

第 3 步：端到端项目

到目前为止，你将对编程有基本的了解，并对基本库有一定的应用知识。这实际上涵盖了你开始使用数据科学所需的大部分 Python。

此时，有些学生会感到有些不知所措。没关系，这很正常。

如果你采用缓慢且传统的自下而上的方法，你可能不会感到不知所措，但到达这里需要 10 倍的时间。现在的关键是立即投入并开始将所有东西粘合在一起。同样，我们到这里的目标只是学到足够的东西才能开始。

接下来，是时候通过大量的实践和项目来巩固你的知识了。你有几个选择：

Kaggle 比赛

第一种选择是参加 Kaggle，这是一个举办数据科学竞赛的网站。

Kaggle 的主要优势是每个项目都是独立的。你将获得数据集、目标和教程以帮助您入门。

竞赛的主要缺点是它们通常不能代表真实世界的数据科学。「入门」比赛太基础了，而标准比赛（即有奖池的比赛）通常对初学者来说太难了。

如果你对这条路径感兴趣，请查看我们的 Kaggle 初学者指南。

DIY项目

另一种选择是构建你自己的项目并选择你感兴趣的数据集。

这种方法的主要优点是项目更能代表现实世界的数据科学。你可能需要定义自己的目标、收集数据、清理数据集、设计功能等等。

DIY 项目的缺点是你需要已经熟悉适当的数据科学工作流程。没有一个，你可能会错过重要步骤或在不知道如何继续的情况下陷入困境。如果你选择这条路，请查看我们的文章，其中包含几个 DIY 项目想法。